数据分析师怎么从入门到精通?互联网公司的数据分析师校招怎么准备?

数据分析师怎么从入门到精通?互联网公司的数据分析师校招怎么准备?

蟹妖。针对同学的问题，我刚好都写过相适配的回答，其中有一篇是阿里巴巴数据分析师的面试经验帖。
篇章【1】：关于基本进阶路径，分享我之前的一个回答，要点提炼及原文链接如下：
要点速览：
【重要1】如果处于入门阶段，建议先立刻巩固学习相关基础知识，实现冷启动；
【重点2】当经过上述阶段，有了初步的知识积累和练习后，需要做些整体的规划，去牵引你自己往正式且专业的方向走
【重点3】无论将来的高阶方向是偏技术还是偏商业/业务，都请尽力拔高技术层面的高度，技术和数理知识层面的提高，不但有利于思考能力的提升，也有利于对其他业务难题的降维打击。把数据分析当做一门乐器来孵化，将来你可能当歌手、组乐队、当制作人甚至是唱片公司的老板，但不要忘了你乐手的老本行。这门乐器有利于保持你的音准和音乐的本源创作力，甚至是能给你带来直接欢愉的爱好。
这些要点会涵盖在我的一篇笔记中，链接会在下面附上；这些笔记当然都是我的切肤总结，也是自己摸索过很多坑、做过一些无用功才慢慢找到的路径；当初从数分入行，在伦敦和拉丁美洲都做过一些项目，遇到好导师、好老板，后来正式转到咨询、商分、战略；收入和经验随着这些转变而水涨船高之外，我逐渐发现成长是非线性的，要多做能跑赢时间的事，才会出现质的跨越；举个不太恰当的例子，什么叫跑赢时间的事，你读我的笔记和文章就是「跑赢时间的事」，因为一个月甚至一个季度的学习和项目，转化在笔记里可能就一到两段话，阅读时间半分钟；对于我来说，也是「跑赢时间的事」，因为阅读量和粉丝增加的边际成本接近于零，我的分享能持续给关注者提供帮助
那做「跑赢时间的事」有什么技巧呢？我觉得除了收集攻略帖和自学之外，给自己增加更多外部信源，不失为一个好办法；其中一个途径就是借力一些专家课程，知乎知学堂的数分提升课程相对其他平台还是更专业更有保障，毕竟大神导师都是在知乎养成且有长期的内容经营，比如大家熟悉的「猴子」导师，刚开始接触数分的朋友也可在知乎搜索，能找到猴子老师殷实的知识沉淀和专业背书；特别是今年的就业形势格外严厉，不管是准备参加校招的社会新生，还是准备转岗、跳槽的职场中生代，都可以在这些实战课程中找到知识的补充、同行的职业路径分享、专家答疑解惑及形势分析、再到落地的求职培训、简历突击和公司内推
除了这些专业课程作为背书，大家也可继续参照我的攻略文章，了解知识树的生长和自我的迭代提高
我想学好数据分析，做一名数据分析师，应该在哪里学习呢，学习一些什么呢？
篇章【2】：另外一篇是更为详细的攻略，我刚好周末有空，写了一篇长回答；不过是针对有一定基础的应用数学背景的同学，有兴趣的读者也可同时参考：
大二应用数学的本科在读学生，以后找工作想从事互联网公司的数据分析师or数据挖掘工作，需要做什么准备？【要点速览】
【重要1】.关于数据分析、数据挖掘分别需要学习的软硬技能，扎实的数理统计基础是共通的；对于工具属性，通用的Python、R最好都要掌握，偏基础业务的Excel以及一些数据分析模块化的工具，如数据可视化和报告输出的Tableau、PowerBI，很多公司面试需要的SQL也需要掌握；
【重要2】.个人规划层面，有参加过一些建模大赛会有帮助。除了美赛国赛以外，有能力富余的，可以多关注Kaggle、阿里天池等数据网站平台放出的比赛（含金量相对较高），可以组队参加，也可以多学习相关的案例；
如果偏向于数据挖掘的方向发展，技术上的学习曲线更抖些，除了校内选修机器学习、高等算法、数据结构等相关课程，Coursera、DataCamp、甚至是Youtube都有很多自学资源，LeetCode刷题；Github作为优秀的工具和代码索引；国内的如牛客网等，也有很多课程干货，以及一些面试笔试的动态信息、面经笔经分享；
【重要3】.不要轻易给自己关上经济学的大门，不要放弃对技术的持续学习。数据相关工作的核心价值，都会收束到业务决策层面集中体现的。除非彻底转型为算法工程师或数据工程师，否则还是要多了解经济学、产品、运营等偏决策或业务的知识，数据挖掘和数据科学家也不例外。一心想往偏业务的数据分析师、商业分析师甚至是产品相关方向发展的同学，也建议保持对技术的钻研和兴趣（编程、算法和数理基础的巩固）。
之前我在另一篇回答中也提过，数据科学更像是一门乐器，当然乐器也有独奏的部分，但在更完整的作品里，是作为伴奏存在的。想起世界级小提琴大师艾萨克·斯特恩的中国之行纪录片，他辅导一位小女孩弹奏曲目时，会先引导小女孩清唱一遍，才开始弹奏曲子娓娓道来。要把乐器的声音当成自己的嗓音一样，去抓住听众，而不是将其作为弹奏的工具。某种程度上，这解释了为何数据分析师最好能兼顾业务思维、经济学等相关模块的学习。
另一方面，特别是对于理科背景的数据分析师，一定要保持数理和技术的自觉，因为我们的老本行是一名乐手，不能放弃手艺。也许将来我们也会退化成歌手，变成制作人甚至是唱片老板，也许将来你走得越来越远，地位越来越深，每次做的决策背负的责任越来越重；可是因坚持对看家手艺的雕琢，扎实的乐理和机敏的乐感依然鲜活，于城楼里观山景，听得城外乱纷纷，依然能去除噪音，听出深藏其中的曲子，接收到大部分人一无所知的信息和故事。
如今我也逐渐走上了商分、战略的职业路径，可能并不算狭义的数据分析从业者了；但我在工作中面对诸多挑战时，这些知识和思考方式的积累总能让我找到比同龄人更多的解决办法；成为问题解决者，也能让自我身上的价值标签得到认同和强化，这对于个人的职场生活和向上进阶十分重要；所以不管职业方向如何调整，不能忘了持续学习，可多关注我的文章专栏以及我提到的课程，这些都是接触其他业界同行、业界大牛、获取干货和行情的有效媒介
篇章【3】：大厂数据分析师面试经历及相关准备总结
<a href="http://www.zhihu.com/question/297942586/answer/948107661" data-draft-node="block" data-draft-type="link-card" class="internal">如何准备数据分析师的面试？这次凉经的总结：
1.实习期间开始看国内的秋招，错过了大厂的黄金准备期。尤其对于留学生而言，需要尽早明确求职方向(国内/国外，技术/非技术)，然后定好时间节点，需要补充的技能，面试/笔试经验积累等。
2.不同岗位的准备思路和方法也不一样，求职过程不仅是结果导向，也是对自己过去经历和技能包的梳理及查漏补缺。数据分析师会分为职能导向(产品、hr、商业分析)和技术导向。职能方向偏向于业务和战略层面的分析(互联网战投，咨询等)，技术导向则是数据科学家、数据工程师的方向深入。如果往商业分析的数分方向走，除了掌握数据分析的基本技能和数理知识外，要多注意商业意识的培养和案例练习的积累，比如字节跳动的数据分析师就是产品导向的，阿里巴巴商业智能部是按业务分工的。如果是往技术向走，像咨询公司里也有专门的数仓团队、大数据和算法组的数据分析师，这就需要对数据收集与处理(爬虫、清洗)、算法、统计模型等都有更系统的理解和掌握。
3.建议意向数分的同学在技能准备的阶段，先从前面所述两个方向的交集入手，因为交集往往是最基础的。SQL、Python (关键掌握的一些modules像numpy、pandas、re)、Tableau基本是必修模块。掌握基础技能之后，就要有意识地按梯度整理自己的心仪公司，然后逐个整理对应公司的数据分析师的JD(Job Description)，JD里提到最多的能力模块就是刚提到的需要夯实的基础。腾讯的数据分析师需要考算法，编程笔试题也是和算法组的同一套题。阿里巴巴的数据分析师要看部门，比如淘系技术部和商业智能部对数据分析师的要求是差别很大的。字节跳动的数据分析师不是分在技术分支下的，而是在产品分支下，所以能力需求和产品经理很像。拼多多的数据分析师就是专门考SQL。OPPO的数据分析师就考很多SQL，数据库相关的知识等等。如果是咨询公司的数据分析师，则要按商业分析师的JD去准备case interview，同时还要把基本的数据分析方法和工具熟练。
4.求职过程也是一个信息整合的过程，不论是新信息的摄取还是旧经历的梳理。因此切忌闭门造车，多上不同的平台去学习参考，还是多有裨益的。